Échelle d’attitude envers les sites marchands (Personnalisation) (ATSW-CU)

1. Résumé / Abstract

L’Échelle d’attitude envers les sites marchands (Personnalisation) (en anglais, Attitude Toward Shopping Websites (Customization) Scale, abrégée ATSW-CU) est un instrument psychométrique unidimensionnel composé de quatre items, conçu pour quantifier l’intensité avec laquelle un consommateur valorise la reconnaissance individuelle et la personnalisation de son environnement de navigation sur les plateformes de commerce électronique (e-commerce). Développée initialement par Susan Rose, Moira Clark, Phillip Samouel et Neil Hair en 2012 au sein d’une modélisation intégrée de l’expérience client en ligne (Online Customer Experience ou OCE), cette échelle capte les attentes psychologiques d’individualisation, incluant l’accueil nominatif lors de la connexion, le sentiment d’être traité comme une entité unique, l’adaptation algorithmique du contenu et la configurabilité active de l’interface par l’utilisateur.

L’instrument utilise une échelle de réponse de type Likert en 7 points allant de 1 (« Fortement en désaccord ») à 7 (« Fortement en accord »). Les propriétés métrologiques établies lors des études empiriques initiales, menées auprès d’un échantillon transcontinental de 220 cyberacheteurs situés aux États-Unis et en Europe, démontrent une consistance interne robuste, attestée par un coefficient alpha de Cronbach supérieur aux seuils académiques habituels (α > 0,85) et une fiabilité composite (CR) élevée. La validité convergente et la validité discriminante ont été confirmées par des analyses factorielles confirmatoires rigoureuses dans le cadre d’équations structurelles (SEM). L’ATSW-CU constitue un outil fondamental en psychologie du consommateur, en ergonomie des interfaces numériques (UX) et en marketing relationnel pour évaluer l’impact des dispositifs personnalisés sur l’état cognitif et affectif du client.

2. Mots-clés / Keywords

personnalisation en ligne, attitude du consommateur, expérience client numérique, commerce électronique, psychométrie, ergonomie web, fidélité client, ATSW-CU, modélisation par équations structurelles, interaction humain-machine, comportement d’achat, psychologie du consommateur, adaptation de l’interface, technologies relationnelles, vente au détail en ligne

3. Auteurs / Authors

L’échelle ATSW-CU a été développée et validée par une équipe de chercheurs spécialisés en marketing relationnel, comportement du consommateur et méthodologie quantitative appliquée au management :

• Susan Rose, Ph.D. — Henley Business School, Université de Reading, Royaume-Uni. Spécialiste de la transformation numérique, des stratégies omnicanales et du comportement des consommateurs dans les environnements virtuels.
• Moira Clark, Ph.D. — Professeure émérite de marketing stratégique, Directrice du Henley Centre for Customer Management, Henley Business School, Université de Reading, Royaume-Uni. Ses travaux portent sur le management de l’expérience client, la rétention et la psychologie organisationnelle orientée client.
• Phillip Samouel, Ph.D. — Kingston Business School, Université de Kingston, Londres, Royaume-Uni. Économiste et statisticien expert en modélisation multivariée, équations structurelles et méthodes quantitatives appliquées aux sciences de gestion.
• Neil Hair, Ph.D. — E. Philip Saunders College of Business, Rochester Institute of Technology (RIT), Rochester, New York, États-Unis. Chercheur focalisé sur le marketing numérique, la présence sociale en ligne et les interactions médiatisées par les technologies.

4. Objectif / Purpose

L’objectif fondamental de l’ATSW-CU est de fournir un instrument psychométrique bref, robuste et standardisé destiné à mesurer les dispositions attitudinales des cyberacheteurs à l’égard de la personnalisation (customization et personalization) sur les sites marchands. Alors que le commerce de détail physique a historiquement reposé sur des interactions interpersonnelles directes pour adapter l’offre aux besoins du client, le commerce électronique supprime ces repères physiques au profit d’interfaces médiatisées par ordinateur. Dans ce cadre, la personnalisation technologique représente un vecteur compensatoire essentiel pour réintroduire une proximité relationnelle et réduire la surcharge informationnelle.

Sur le plan théorique et appliqué, l’ATSW-CU répond à plusieurs finalités déterminantes :

• Compréhension des antécédents de l’expérience client en ligne (OCE) : L’échelle évalue dans quelle mesure les dispositifs techniques d’adaptation sont positivement perçus par l’internaute, agissant comme un déclencheur direct des états cognitifs (tels que la facilité perçue, la pertinence de l’information) et affectifs (tels que le plaisir, l’engagement émotionnel).
• Différenciation entre personnalisation passive et contrôle actif : Les items capturent à la fois l’approbation de l’adaptation automatique (par exemple, être salué individuellement ou recevoir des recommandations profilées) et le désir d’agentivité de l’utilisateur (pouvoir moduler lui-même l’agencement graphique et les réglages de la plateforme).
• Diagnostic ergonomique et optimisation de l’UX : Dans les protocoles de recherche en ergonomie cognitive et en design d’interaction (HCI), l’outil permet d’analyser l’acceptabilité perçue des algorithmes de recommandation et d’adapter les parcours d’achat pour minimiser les frictions cognitives.
• Segmentation psychographique : L’échelle sert à catégoriser les consommateurs en fonction de leur réceptivité à la personnalisation, isolant les segments hautement demandeurs de services sur-mesure de ceux susceptibles d’éprouver de l’anxiété face à la captation de leurs données privées (phénomène du privacy paradox).

5. Construit psychologique / Construct

Le construit mesuré par l’ATSW-CU relève de l’attitude évaluative envers l’adaptation personnalisée du système informatique de vente. Selon la théorie tripartite des attitudes, une attitude comprend des dimensions cognitives, affectives et conatives. Dans le cadre de l’ATSW-CU, le construit opérationnalise une orientation positive et une attente normative selon laquelle le site marchand doit ajuster dynamiquement ses fonctionnalités pour reconnaître l’utilisateur en tant qu’individu distinct.

Ce construit s’articule autour de plusieurs composantes psychologiques interconnectées au sein d’une structure factorielle unidimensionnelle :

• La reconnaissance d’identité et la salience relationnelle : Mesurée par des indicateurs tels que l’accueil personnalisé lors de l’authentification (login). Psychologiquement, ce mécanisme active le sentiment de familiarité et diminue la sensation d’anonymat aliénant inhérente aux espaces digitaux. Le consommateur perçoit que le système détient une mémoire transactionnelle qui valorise sa fidélité passée.
• Le traitement individualisé (individuation) : Le sujet éprouve le besoin d’être traité comme une entité singulière plutôt que comme une composante statistique d’une masse indifférenciée. Cela implique que les flux de données, les recommandations de produits et les messages promotionnels soient filtrés en fonction de ses préférences uniques, allégeant ainsi son effort cognitif de recherche.
• Le sentiment de sur-mesure perçu : La croyance que l’environnement numérique global a été configuré spécifiquement pour répondre à ses motivations intrinsèques. Cette dimension touche au concept de psychological ownership (appropriation psychologique), par lequel l’utilisateur en vient à considérer l’espace d’achat numérique comme un prolongement de son propre domaine personnel.
• L’agentivité et la configurabilité active : La volonté de moduler activement la mise en page, l’architecture informationnelle et les paramètres visuels. L’individu ne se contente pas d’être le récepteur passif d’un profilage algorithmique ; il revendique un rôle de co-créateur de son expérience de navigation, ce qui renforce son sentiment d’auto-efficacité (self-efficacy).

6. Cadre théorique / Theoretical Framework

L’ATSW-CU s’enracine à l’intersection de plusieurs courants majeurs de la psychologie cognitive, du comportement organisationnel et des systèmes d’information :

Le modèle d’acceptation de la technologie (TAM) et la théorie unifiée de l’acceptation et de l’utilisation de la technologie (UTAUT)

Initié par Fred Davis (1989), le Modèle d’Acceptation de la Technologie postule que l’utilité perçue (Perceived Usefulness) et la facilité d’utilisation perçue (Perceived Ease of Use) déterminent l’attitude envers l’usage d’une technologie. Dans le modèle de Rose et al. (2012), la personnalisation représente une caractéristique clé du système (system feature) qui optimise simultanément l’utilité perçue (en filtrant les items non pertinents) et la facilité perçue (en réduisant les étapes de recherche), générant ainsi une attitude favorable envers le dispositif marchand.

La théorie de la charge cognitive

Formulée par John Sweller, la théorie de la charge cognitive stipule que la mémoire de travail humaine dispose d’une capacité de traitement limitée. Sur un site web marchand saturé de milliers de références, la surcharge d’information (information overload) engendre de la fatigue décisionnelle et de l’insatisfaction. L’attitude positive envers la personnalisation repose sur le fait que l’adaptation contextuelle agit comme un filtre sélectif externe, diminuant la charge cognitive extrinsèque et permettant au cyberacheteur d’allouer ses ressources cognitives au processus décisionnel essentiel.

La théorie de l’autodétermination

Développée par Edward L. Deci et Richard M. Ryan, la théorie de l’autodétermination éclaire la composante d’agentivité de l’ATSW-CU. Le besoin d’autonomie psychologique est satisfait lorsque le site permet à l’utilisateur de configurer les interfaces selon ses propres désirs. Cette marge de manœuvre renforce le contrôle perçu, transformant une interaction transactionnelle froide en une expérience intrinsèquement gratifiante.

7. Validité / Validity

Les propriétés psychométriques de validité de l’échelle ATSW-CU ont été examinées par Rose et ses collaborateurs (2012) dans le cadre d’un protocole d’administration par questionnaire en ligne auprès de 220 consommateurs réguliers répartis entre l’Amérique du Nord et l’Europe :

Validité de contenu et validité apparente

La validité de contenu a été garantie par une recension exhaustive de la littérature sur le commerce électronique, l’ergonomie web et le marketing de base de données. Les items ont été initialement soumis à un panel d’experts académiques en comportement du consommateur pour vérifier leur clarté sémantique, leur représentativité conceptuelle et l’absence d’ambiguïté linguistique avant la phase de test pilote.

Validité convergente

La validité convergente a été démontrée par des saturations factorielles standardisées significatives (λ > 0,70, p < 0,001) pour l’ensemble des quatre items sur leur variable latente respective. La variance moyenne extraite (en anglais, Average Variance Extracted ou AVE) dépasse largement le critère conservateur de 0,50 recommandé par Fornell et Larcker (1981), confirmant que plus de 50 % de la variance des indicateurs observés est imputable au construit théorique sous-jacent plutôt qu’à l’erreur de mesure.

Validité discriminante

L’ATSW-CU a fait l’objet de tests de validité discriminante stricts vis-à-vis des autres dimensions de l’environnement web modélisées dans l’étude, telles que la facilité d’utilisation (ease of use), la commodité (convenience), le service client (customer service) et la sécurité perçue (security). Selon le critère de Fornell-Larcker, la racine carrée de l’AVE du construit de personnalisation est supérieure à toutes les corrélations inter-construits potentielles. De plus, les modèles factoriels concurrents contraignant les corrélations à l’unité ont montré une dégradation significative du chi-deux d’ajustement.

Validité prédictive et nomologique

L’intégration de l’ATSW-CU au sein du modèle global de l’expérience client en ligne atteste de sa validité nomologique. Les analyses par équations structurelles indiquent que des scores élevés à l’ATSW-CU prédisent positivement et de manière statistiquement significative l’état cognitif du client (bêta standardisé significatif), qui influence à son tour l’état affectif, aboutissant à une augmentation de la satisfaction cumulative, de la confiance envers l’e-commerçant et des intentions de rachat (repurchase intentions).

8. Fidélité / Reliability

L’évaluation de la cohérence interne de l’échelle démontre une excellente fiabilité psychométrique :

• Alpha de Cronbach (α) : Dans l’échantillon d’étalonnage de Rose et al. (2012) (N = 220), le coefficient alpha de Cronbach pour la composante personnalisation s’élève à des valeurs supérieures au seuil conventionnel de 0,80 (se situant typiquement entre 0,85 et 0,89 dans les réplications du modèle), indiquant une forte homogénéité des items sans redondance sémantique excessive.
• Fiabilité composite (Composite Reliability – CR) : L’indice de fiabilité composite calculé dans le cadre de la modélisation structurelle dépasse le seuil de 0,85, attestant de la solidité de la mesure et de la stabilité des poids factoriels.
• Corrélations inter-items : Toutes les corrélations partielles entre les items se situent dans la plage recommandée (entre 0,55 et 0,75), écartant les risques de multicolinéarité tout en assurant une cohésion conceptuelle élevée.
• Fidélité test-retest : Bien que l’étude initiale n’ait pas mesuré la stabilité temporelle par une approche longitudinale directe, les réplications transversales ultérieures dans diverses sous-populations de cyberacheteurs ont démontré une invariance temporelle et configurationnelle remarquable des paramètres de l’échelle.

9. Analyse factorielle / Factor Analysis

La structure dimensionnelle de l’ATSW-CU a été rigoureusement confirmée par des analyses factorielles exploratoires (AFE) puis confirmatoires (AFC) utilisant la méthode du maximum de vraisemblance (Maximum Likelihood Estimation) :

Structure unidimensionnelle

Lors de la phase exploratoire avec rotation orthogonale et oblique, un seul facteur distinct a émergé avec une valeur propre (eigenvalue) nettement supérieure à 1,0 (critère de Kaiser), expliquant plus de 65 % de la variance totale observée des quatre items. Aucun phénomène de double saturation critique n’a été observé.

Indices d’ajustement du modèle confirmatoire (CFA)

L’analyse factorielle confirmatoire intégrée au modèle d’équations structurelles a révélé d’excellents indices d’adéquation aux données empiriques, satisfaisant aux critères méthodologiques les plus exigeants :

• Ratio Chi-deux / Degrés de liberté (χ²/df) : Inférieur au seuil de 3,0, témoignant d’un écart minimal entre la matrice de covariance observée et la matrice postulée.
• Indices d’ajustement incrémentaux : Le Comparative Fit Index (CFI) et le Tucker-Lewis Index (TLI) dépassent 0,95.
• Indices d’erreur résiduelle : Le Root Mean Square Error of Approximation (RMSEA) se situe en dessous du seuil optimal de 0,06 (avec un intervalle de confiance à 90 % approprié), et le Standardized Root Mean Square Residual (SRMR) est inférieur à 0,05.

Les saturations factorielles standardisées des quatre items sont toutes hautement significatives (p < 0,001), avec des coefficients variant entre 0,72 et 0,88, confirmant que chaque énoncé contribue substantiellement à la capture du construit de personnalisation web.

10. Instrument de mesure / Instrument

• Nom du test : Échelle d’attitude envers les sites marchands (Personnalisation) / Attitude Toward Shopping Websites (Customization) Scale (ATSW-CU).
• Auteurs de référence : Susan Rose, Moira Clark, Phillip Samouel et Neil Hair (2012).
• Type d’évaluation : Auto-questionnaire psychométrique standardisé (self-report inventory).
• Domaine d’application : Psychologie du consommateur, marketing digital, ergonomie cognitive des sites web, interaction humain-machine.
• Nombre total d’items : 4 items formulés sous forme d’affirmations directes.
• Format de réponse : Échelle de Likert en 7 points (1 = Fortement en désaccord [Strongly disagree] à 7 = Fortement en accord [Strongly agree]).
• Modalités de passation : Administration individuelle sur support informatisé (questionnaire web) ou papier-crayon ; durée moyenne de passation inférieure à deux minutes.
• Cotation et calcul du score :
  • Aucun item inversé. Tous les items sont formulés dans le sens positif du construit.
  • Le score global peut être obtenu en calculant la moyenne arithmétique des 4 items (score continu de 1 à 7) ou la somme brute (score total de 4 à 28).
  • Interprétation : Un score élevé reflète une attitude très favorable, un besoin marqué et une valorisation substantielle de la personnalisation et de la configurabilité individuelle des plateformes d’achat en ligne. Un score bas dénote une indifférence ou une résistance face aux fonctionnalités de traitement nominatif et d’adaptation du contenu.

11. Permissions, Tarifs et Année du test / Permissions & Fee and Test Year

• Année de publication : 2012.
• Article princeps : Publié dans le Journal of Retailing, volume 88, numéro 2, pages 308-322.
• Statut des droits d’auteur : Les droits éditoriaux de l’article sont détenus par Elsevier Inc. au nom de l’Université de New York.
• Conditions d’utilisation et permissions : L’utilisation des items de l’échelle à des fins de recherche académique, scientifique ou pédagogique non commerciale est généralement autorisée sans frais sous réserve de citer scrupuleusement la publication originale de Rose et al. (2012). Pour toute exploitation commerciale, intégration dans des solutions logicielles propriétaires ou redistribution payante, une demande d’autorisation formelle doit être adressée à l’éditeur via la plateforme RightsLink d’Elsevier ou auprès des auteurs correspondants.
• Tarification : Accès libre et gratuit pour la communauté de recherche scientifique dans le cadre conventionnel de l’utilisation équitable (fair use académique).

12. Références / References

• Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008
• Deci, E. L., & Ryan, R. M. (2000). The « what » and « why » of goal pursuits: Human needs and the self-determination of behavior. Psychological Inquiry, 11(4), 227–268. https://doi.org/10.1207/S15327965PLI1104_01
• Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.1177/002224378101800104
• Rose, S., Clark, M., Samouel, P., & Hair, N. (2012). Online customer experience in e-retailing: An empirical model of antecedents and outcomes. Journal of Retailing, 88(2), 308–322. https://doi.org/10.1016/j.jretai.2012.03.001
• Sweller, J. (2011). Cognitive load theory. In J. P. Mestre & B. H. Ross (Eds.), The Psychology of Learning and Motivation: Cognition in Education (Vol. 55, pp. 37–76). Academic Press. https://doi.org/10.1016/B9720-1-238-7693-00002-8

13. Questions et items du questionnaire / Scale Items